CN111768390B - 一种基于图像识别的篦冷机红河识别方法 - Google Patents
一种基于图像识别的篦冷机红河识别方法 Download PDFInfo
- Publication number
- CN111768390B CN111768390B CN202010623744.4A CN202010623744A CN111768390B CN 111768390 B CN111768390 B CN 111768390B CN 202010623744 A CN202010623744 A CN 202010623744A CN 111768390 B CN111768390 B CN 111768390B
- Authority
- CN
- China
- Prior art keywords
- area
- image
- red river
- grate cooler
- steps
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 230000000694 effects Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000000889 atomisation Methods 0.000 claims description 4
- 239000004576 sand Substances 0.000 claims description 3
- 238000005245 sintering Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 3
- 230000001351 cycling effect Effects 0.000 abstract description 2
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于图像识别的篦冷机红河识别方法，其特征在于，包括以下步骤：(1)图像数据预处理；(2)图像设置掩膜；(3)红河面积计算；(4)设置报警等级阈值，根据步骤(3)得到的像素面积，设置不同像素面积对应的报警等级；(5)实时读取实时监控画面，每秒钟取若干帧图像，计算面积均值，循环步骤(1)到步骤(4)；本发明解决了使用篦冷机红河面积进行衡量烧成结粒均匀性和风量分配合理性的难点，为之后的优化控制算法提供良好基础。此外，本发明可以对使用不同措施降低篦冷机红河面积进行量化评估；本发明中的红河面积实时报警功能替代了之前的人工观察，提升了监测的及时性和准确性。
Description
技术领域
本发明涉及一种基于图像识别的篦冷机红河识别方法。
背景技术
由于熟料烧成结粒不均匀和风量分配不当，篦冷机在正常工作时，从进料至出料，往往在篦冷机的篦床两侧呈现一条高温熟料红料带，俗称红河；红河的出现往往伴随着其下方篦板大量损坏，此时，未冷却的熟料经损坏的篦板落入下风斗内，进一步造成篦床下的大梁、风斗的密封板、斗下阀门等部件受热变形造成漏风，向机外或在篦下各室之间串风，造成熟料未能充分冷却。
虽然红河的解决有多种措施，但是对于红河的监测，目前仍处于肉眼识别，定性分析的阶段，因此无法高效、精细、智能的判断红河趋势，衡量烧成结粒均匀性和风量分配合理性一直是篦冷机优化的难点。
发明内容
针对上述现有技术的现状，本发明所要解决的技术问题在于提供一种可以对使用不同措施降低篦冷机红河面积进行量化评估以高效、精细、智能的判断红河趋势，并具备红河面积实时报警功能以替代人工观察的方法，提升了监测的及时性和准确性的基于图像识别的篦冷机红河识别方法。
本发明解决上述技术问题所采用的技术方案为：一种基于图像识别的篦冷机红河识别方法，其特征在于，包括以下步骤：
(1)将采集到的图像转换成灰度图，再使用去雾算法解决飞沙引起的雾化效应，并将去雾后的图片二值化处理以凸出图像中红河部位。
(2)提取需掩盖区域的角点坐标并绘制其填充包络多边形，再将二值化后的图像与以填充包络多边形叠加计算，进而得到掩膜处理后的图像。
(3)查找掩膜处理后的图像中的黑白区域轮廓，进而绘制并展示出红河区域轮廓，使用面积计算函数计算闭合轮廓像素面积。
(4)根据闭合轮廓像素面积设置不同像素面积对应的报警等级。
(5)实时读取监控画面，每秒钟取视频中的若干帧图像，计算面积均值；循环步骤(1)～(4)，输出红河面积及对应的报警类型。
优选地，所述步骤(5)中的图像每秒钟取4～8帧。
与现有技术相比，本发明的优点在于：本发明解决了使用篦冷机红河面积进行衡量烧成结粒均匀性和风量分配合理性的难点，为之后的优化控制算法提供良好基础；此外，本发明可以对使用不同措施降低篦冷机红河面积进行量化评估；本发明中的红河面积实时报警功能替代了之前的人工观察，提升了监测的及时性和准确性。
附图说明
图1为本发明的操作流程图；
图2为本发明的去除雾化效应的效果图；
图3为本发明的图像二值化后的效果图；
图4为本发明的图像掩膜处理后的效果图；
图5为本发明的提取轮廓后的效果图。
具体实施方式
除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
为了保持本发明实施例的以下说明清楚且简明，本发明省略了已知功能和已知部件的详细说明。
如图1所示，一种基于图像识别的篦冷机识别方法，包括以下步骤：
(1)图像数据预处理，将采集到的图像转换成灰度图，再使用去雾算法解决飞沙引起的雾化效应，并将去雾后的图片二值化处理以凸出图像中红河部位；灰度转换可以使用cv.cvtColor函数；去雾可以使用cv.createCLAHE函数，其中参数clipLimit对比度大小设置2， tileGridSize每次处理块大小设置为8.8；图片二值化可以使用cv.threshold函数，其中参数threshold设置为120，max_value为 255。
(2)图像设置掩膜，步骤(1)中的二值化处理会将图像中篦冷机上方较明亮的区域识别成红河，因此需要通过掩膜的方式去掉这部分区域，具体如下：提取需掩盖区域的角点坐标并绘制其填充包络多边形，再将二值化后的图像与以填充包络多边形叠加计算，进而得到掩膜处理后的图像，该图像去除了篦冷机上方较明亮的区域，只保留了篦冷机壁床部位；填充包络多边形的绘制可以使用cv.fillPoly函数，图中各顶点值设置为：[0,800]、[956,456]、[960,1280]、[0,1280]，二值化后的图像与以填充包络多边形叠加计算可以使用 cv.bitwise_and函数。
(3)红河面积计算，查找掩膜处理后的图像中的黑白区域轮廓，进而绘制并展示出红河区域轮廓，使用面积计算函数计算闭合轮廓像素面积；黑白区域轮廓的查找可以使用cv.findContours函数，红河区域轮廓得绘制和展示可以使用cv.drawContours函数，闭合轮廓像素面积的计算可以使用cv.contourArea函数。
(4)设置报警等级阈值，根据闭合轮廓像素面积设置不同像素面积对应的报警等级，如下表所示：
| 像素面积 | 报警等级 | 采取措施 |
| 100000 | 一级 | 不采取任何措施 |
| 200000 | 二级 | 减慢篦速 |
| 250000 | 三级 | 减慢篦速、增加风量 |
| 300000 | 四级 | 篦冷机设置物理挡板 |
(5)实时读取监控画面，每秒钟取视频中的若干帧图像，计算面积均值；循环步骤(1)～(4)，输出红河面积及对应的报警类型；如下表所示，
| Time | Area | Level | Measure |
| 20191225011201 | 260522.3 | Level_3 | 减慢篦速、增加风量 |
| 20191225011202 | 260331.4 | Level_3 | 减慢篦速、增加风量 |
| 20191225011203 | 260300.1 | Level_3 | 减慢篦速、增加风量 |
| 20191225011204 | 260130.2 | Level_3 | 减慢篦速、增加风量 |
| … | … | … | … |
| … | … | … | … |
| 20191225012301 | 153144.6 | Level_1 | 不采取任何措施 |
| 20191225012302 | 143413.3 | Level_1 | 不采取任何措施 |
| 20191225012303 | 140120.2 | Level_1 | 不采取任何措施 |
| 20191225012304 | 138834.5 | Level_1 | 不采取任何措施 |
实时监控画面的读取可以使用python程序，每秒钟所取的图像数量为4～8帧。
本发明解决了使用篦冷机红河面积进行衡量烧成结粒均匀性和风量分配合理性的难点，为之后的优化控制算法提供良好基础；此外，本发明可以对使用不同措施降低篦冷机红河面积进行量化评估以高效、精细、智能的判断红河趋势，本发明中的红河面积实时报警功能替代了之前的人工观察，提升了监测的及时性和准确性。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的技术人员应当理解，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行同等替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神与范围。
Claims (2)
1.一种基于图像识别的篦冷机红河识别方法，其特征在于，包括以下步骤：
(1)将采集到的图像转换成灰度图，再使用去雾算法解决飞沙引起的雾化效应，并将去雾后的图片二值化处理以凸出图像中红河部位；
(2)步骤(1)中的二值化处理会将图像中篦冷机上方较明亮的区域识别成红河，因此需要通过掩膜的方式去掉这部分区域，提取需掩盖区域的角点坐标并绘制其填充包络多边形，再将二值化后的图像与以填充包络多边形叠加计算，进而得到掩膜处理后的图像；
(3)查找掩膜处理后的图像中的黑白区域轮廓，进而绘制并展示出红河区域轮廓，使用面积计算函数计算闭合轮廓像素面积；
(4)根据闭合轮廓像素面积设置不同像素面积对应的报警等级；
(5)实时读取监控画面，每秒钟取视频中的若干帧图像，计算面积均值；循环步骤(1)～(4)，输出红河面积及对应的报警类型。
2.根据权利要求1所述的一种基于图像识别的篦冷机红河识别方法，其特征在于，所述步骤(5)中的图像每秒钟取4～8帧。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010623744.4A CN111768390B (zh) | 2020-07-01 | 2020-07-01 | 一种基于图像识别的篦冷机红河识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010623744.4A CN111768390B (zh) | 2020-07-01 | 2020-07-01 | 一种基于图像识别的篦冷机红河识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111768390A CN111768390A (zh) | 2020-10-13 |
| CN111768390B true CN111768390B (zh) | 2024-04-05 |
Family
ID=72724452
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010623744.4A Active CN111768390B (zh) | 2020-07-01 | 2020-07-01 | 一种基于图像识别的篦冷机红河识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111768390B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113469974B (zh) * | 2021-07-05 | 2022-12-02 | 天津市三特电子有限公司 | 球团链篦机篦板状态监测方法及其监测*** |
| CN113657484B (zh) * | 2021-08-13 | 2024-02-09 | 济南大学 | 水泥篦冷机典型工况划分与识别的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006343138A (ja) * | 2005-06-07 | 2006-12-21 | Keizo Taishaku | 検査装置 |
| CN107169969A (zh) * | 2017-05-12 | 2017-09-15 | 重庆大学 | 一种基于fpga的公路危岩崩塌堆积物大小测量及报警*** |
| CN107578045A (zh) * | 2017-09-19 | 2018-01-12 | 北京工业大学 | 一种基于机器视觉的水下目标识别方法 |
| CN109675827A (zh) * | 2018-12-19 | 2019-04-26 | 福建南方路面机械有限公司 | 一种建筑垃圾识别分拣设备、识别方法及其抓取方法 |
| CN110595397A (zh) * | 2019-10-10 | 2019-12-20 | 南京凯盛国际工程有限公司 | 一种基于图像识别的篦冷机工况监测方法 |
| CN111223094A (zh) * | 2020-03-13 | 2020-06-02 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条间距检测方法及*** |
-
2020
- 2020-07-01 CN CN202010623744.4A patent/CN111768390B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006343138A (ja) * | 2005-06-07 | 2006-12-21 | Keizo Taishaku | 検査装置 |
| CN107169969A (zh) * | 2017-05-12 | 2017-09-15 | 重庆大学 | 一种基于fpga的公路危岩崩塌堆积物大小测量及报警*** |
| CN107578045A (zh) * | 2017-09-19 | 2018-01-12 | 北京工业大学 | 一种基于机器视觉的水下目标识别方法 |
| CN109675827A (zh) * | 2018-12-19 | 2019-04-26 | 福建南方路面机械有限公司 | 一种建筑垃圾识别分拣设备、识别方法及其抓取方法 |
| CN110595397A (zh) * | 2019-10-10 | 2019-12-20 | 南京凯盛国际工程有限公司 | 一种基于图像识别的篦冷机工况监测方法 |
| CN111223094A (zh) * | 2020-03-13 | 2020-06-02 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条间距检测方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111768390A (zh) | 2020-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111047554B (zh) | 一种基于实例分割的复合绝缘子过热缺陷检测方法 | |
| CN111047655B (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
| CN111768390B (zh) | 一种基于图像识别的篦冷机红河识别方法 | |
| CN107679495B (zh) | 一种输电线路周边活动工程车辆的检测方法 | |
| CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别***与方法 | |
| CN107314957B (zh) | 一种岩石块度尺寸分布的测量方法 | |
| CN106600580B (zh) | 一种基于霍夫变换的电力线异常识别方法及其*** | |
| CN104966348B (zh) | 一种票据图像要素完整性检测方法及*** | |
| CN111476712B (zh) | 一种烧结机的台车箅条图像的摄取及检测方法、*** | |
| CN113888462A (zh) | 一种裂纹识别方法、***、可读介质及存储介质 | |
| CN109724776A (zh) | 一种烧结机台车的篦条损坏程度的确定方法及装置 | |
| CN115855961B (zh) | 一种用于运行中的配电箱故障检测方法 | |
| CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
| CN114820597B (zh) | 一种基于人工智能的冶炼品缺陷检测方法、装置及*** | |
| CN106886609B (zh) | 街区式农村居民地遥感快速标注方法 | |
| CN115760854A (zh) | 基于深度学习的电力设备缺陷检测方法、装置及电子设备 | |
| CN113643352B (zh) | 一种自然覆冰在线监测运行导线图像覆冰程度评估方法 | |
| CN111832565B (zh) | 一种基于决策树的数码管识别方法 | |
| CN114240924A (zh) | 一种基于数字化技术的电网设备质量评估方法 | |
| CN108805855B (zh) | 一种混凝土裂纹快速识别方法 | |
| CN117496201B (zh) | 一种用于电子烟、雾化器和电池杆的识别方法 | |
| CN109087289A (zh) | 一种格栅背景下的板材视觉图像检测算法 | |
| CN113780142B (zh) | 基于机器视觉的变压器弧形油温表读取方法和装置 | |
| CN112150453B (zh) | 一种铁路货车摇枕弹簧折断故障自动检测方法 | |
| CN117115172B (zh) | 一种基于机器视觉的阿胶品质检测方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231204 Address after: No. 320 and 436 Pingtang East Road, Puxing Street, Xinjin District, Chengdu City, Sichuan Province, 611400 Applicant after: Sinoma Intelligent Technology (Chengdu) Co.,Ltd. Address before: 303 Hanzhongmen street, Gulou District, Nanjing City, Jiangsu Province Applicant before: NANJING KISEN INTERNATIONAL ENGINEERING Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |